graph and email in windows script added
This commit is contained in:
Mark Kors
@@ -4,13 +4,33 @@ import xgboost as xgb
|
||||
import mysql.connector
|
||||
from mysql.connector import Error
|
||||
from datetime import datetime, timedelta
|
||||
import holidays # NIEUW: importeer holidays
|
||||
import holidays
|
||||
|
||||
# --- NIEUW: Imports voor grafiek en e-mail ---
|
||||
import matplotlib.pyplot as plt
|
||||
import smtplib
|
||||
from email.mime.multipart import MIMEMultipart
|
||||
from email.mime.text import MIMEText
|
||||
from email.mime.image import MIMEImage
|
||||
|
||||
# --- NIEUW: Zorgt dat matplotlib werkt zonder GUI (bv. in terminal) ---
|
||||
plt.switch_backend('Agg')
|
||||
|
||||
# --- CONFIGURATIE ---
|
||||
# BELANGRIJK: Verwijs naar je NIEUWE model
|
||||
MODEL_FILE = 'price_forecast_model_v1_5.json'
|
||||
TARGET = 'gemiddelde_prijs'
|
||||
AANTAL_UUR_VOORSPELLEN = 72 # Hoeveel uur vooruit wil je kijken?
|
||||
AANTAL_UUR_VOORSPELLEN = 72
|
||||
GRAFIEK_BESTAND = 'prijs_voorspelling_windows.png' # Tijdelijk bestand
|
||||
|
||||
# --- NIEUW: E-mail Configuratie ---
|
||||
# VUL DIT IN MET JE EIGEN GEGEVENS
|
||||
EMAIL_CONFIG = {
|
||||
'smtp_server': '192.168.178.201', # Bv. 'smtp.gmail.com'
|
||||
'smtp_port': 587,
|
||||
'sender': 'sftpuser@markkors.nl',
|
||||
'password': 'Aae8-G9yFU5j', # Voeg hier het wachtwoord toe als dat nodig is
|
||||
'receiver': 'mark@markkors.nl'
|
||||
}
|
||||
|
||||
DB_CONFIG = {
|
||||
'host': '192.168.178.201',
|
||||
@@ -20,29 +40,26 @@ DB_CONFIG = {
|
||||
'port': 3307
|
||||
}
|
||||
|
||||
# NIEUW: Haal de lijst van features uit je model
|
||||
# We hoeven de lijst niet meer handmatig te typen!
|
||||
# --- Model laden ---
|
||||
try:
|
||||
print(f"Laden van model: {MODEL_FILE}...")
|
||||
model = xgb.XGBRegressor()
|
||||
model.load_model(MODEL_FILE)
|
||||
FEATURES = model.feature_names_in_ # Pakt automatisch alle feature-namen
|
||||
FEATURES = model.feature_names_in_
|
||||
print(f"✅ Model succesvol geladen (verwacht {len(FEATURES)} features).")
|
||||
except FileNotFoundError:
|
||||
print(f"❌ Fout: Model bestand '{MODEL_FILE}' niet gevonden.")
|
||||
print("Heb je het 'v1_5' model al getraind en opgeslagen?")
|
||||
print(" Heb je het 'v1_5' model al getraind en opgeslagen op Windows?")
|
||||
exit()
|
||||
except Exception as e:
|
||||
print(f"❌ Fout bij laden model: {e}")
|
||||
exit()
|
||||
|
||||
# Maak de feestdagen-checker klaar
|
||||
nl_holidays = holidays.Netherlands(years=[datetime.now().year, datetime.now().year + 1])
|
||||
|
||||
|
||||
# --- Functie: haal_data_uit_database (onveranderd) ---
|
||||
def haal_data_uit_database(conn):
|
||||
# ... (Deze functie is 100% IDENTIEK aan je vorige script)
|
||||
# ... (Kopieer de 'haal_data_uit_database' functie hier)
|
||||
print("💾 Data ophalen uit MySQL...")
|
||||
|
||||
query_hist = """
|
||||
@@ -52,7 +69,7 @@ def haal_data_uit_database(conn):
|
||||
p_avg.gemiddelde_prijs
|
||||
FROM
|
||||
amersfoort_weer_uurlijks AS w
|
||||
LEFT JOIN -- <--- DE OPLOSSING
|
||||
LEFT JOIN
|
||||
(SELECT datetime, AVG(price) AS gemiddelde_prijs
|
||||
FROM dynamic_price_data GROUP BY datetime) AS p_avg
|
||||
ON w.datum_tijd = p_avg.datetime
|
||||
@@ -82,13 +99,9 @@ def haal_data_uit_database(conn):
|
||||
print(f"✅ {len(hist_df)} uur historie geladen.")
|
||||
print(f"✅ {len(toekomst_df)} uur toekomstig weer geladen.")
|
||||
|
||||
# --- OPLOSSING HIER ---
|
||||
# Vul 'gaten' in de historische prijsdata ALLEEN op hist_df
|
||||
hist_df['gemiddelde_prijs'] = hist_df['gemiddelde_prijs'].ffill()
|
||||
hist_df['gemiddelde_prijs'] = hist_df['gemiddelde_prijs'].bfill()
|
||||
# --- EINDE OPLOSSING ---
|
||||
|
||||
# Combineer nu de gevulde historie met de lege toekomst
|
||||
combined_df = pd.concat([hist_df, toekomst_df])
|
||||
|
||||
return combined_df.sort_index()
|
||||
@@ -97,52 +110,84 @@ def haal_data_uit_database(conn):
|
||||
print(f"❌ Fout bij ophalen data: {e}")
|
||||
return None
|
||||
|
||||
|
||||
# --- Functie: maak_features_voor_uur (onveranderd) ---
|
||||
def maak_features_voor_uur(df, timestamp):
|
||||
"""
|
||||
MAAK FEATURES v1.5 - Deze functie is compleet VERNIEUWD
|
||||
"""
|
||||
features = {}
|
||||
|
||||
# Haal data op van het specifieke uur
|
||||
data_nu = df.loc[timestamp]
|
||||
|
||||
# 1. Tijd-features (simpel)
|
||||
features['maand'] = timestamp.month
|
||||
features['dag_van_het_jaar'] = timestamp.dayofyear
|
||||
|
||||
# 2. Feestdag feature
|
||||
features['is_feestdag'] = 1 if timestamp in nl_holidays else 0
|
||||
|
||||
# 3. Weer-features
|
||||
weer_cols = ['temperatuur', 'gevoelstemperatuur', 'neerslag', 'wind_richting',
|
||||
'wind_snelheid', 'bewolking', 'luchtdruk', 'luchtvochtigheid']
|
||||
for col in weer_cols:
|
||||
features[col] = data_nu[col]
|
||||
|
||||
# 4. Lag-features
|
||||
features['prijs_1u_geleden'] = df.loc[timestamp - timedelta(hours=1)]['gemiddelde_prijs']
|
||||
features['prijs_24u_geleden'] = df.loc[timestamp - timedelta(hours=24)]['gemiddelde_prijs']
|
||||
|
||||
# 5. Rolling-features
|
||||
features['temp_avg_3u'] = df.loc[timestamp - timedelta(hours=2) : timestamp]['temperatuur'].mean()
|
||||
features['prijs_avg_6u'] = df.loc[timestamp - timedelta(hours=5) : timestamp]['gemiddelde_prijs'].mean()
|
||||
|
||||
# 6. ONE-HOT ENCODING (Handmatig)
|
||||
# Voeg alle 7 'dag_' kolommen toe, en zet de juiste op 1
|
||||
for dag in range(7):
|
||||
features[f'dag_{dag}'] = 1 if timestamp.dayofweek == dag else 0
|
||||
|
||||
# Voeg alle 24 'uur_' kolommen toe, en zet de juiste op 1
|
||||
for uur in range(24):
|
||||
features[f'uur_{uur}'] = 1 if timestamp.hour == uur else 0
|
||||
|
||||
# Converteer naar een DataFrame en gebruik de volgorde van het model
|
||||
return pd.DataFrame([features], columns=FEATURES)
|
||||
|
||||
# --- NIEUW: Functie om de e-mail te bouwen en te versturen ---
|
||||
def send_email_with_graph(image_path, result_df):
|
||||
print("\n📬 E-mail opstellen...")
|
||||
|
||||
msg = MIMEMultipart()
|
||||
msg['Subject'] = f"Prijsvoorspelling (Windows Test) {datetime.now().strftime('%Y-%m-%d')}"
|
||||
msg['From'] = EMAIL_CONFIG['sender']
|
||||
msg['To'] = EMAIL_CONFIG['receiver']
|
||||
|
||||
# --- START VAN HET SCRIPT ---
|
||||
# (Dit deel is weer 100% identiek aan je vorige script)
|
||||
laagste_prijs = result_df['Voorspelde_Prijs'].min()
|
||||
hoogste_prijs = result_df['Voorspelde_Prijs'].max()
|
||||
|
||||
body = f"""
|
||||
Hallo,
|
||||
|
||||
Dit is een test van het Windows script.
|
||||
Hier is de prijsvoorspelling voor de komende {len(result_df)} uur.
|
||||
|
||||
Laagste prijs: {laagste_prijs:.4f}
|
||||
Hoogste prijs: {hoogste_prijs:.4f}
|
||||
|
||||
Volledige voorspelling:
|
||||
{result_df.to_string()}
|
||||
"""
|
||||
msg.attach(MIMEText(body, 'plain'))
|
||||
|
||||
try:
|
||||
with open(image_path, 'rb') as f:
|
||||
img_attach = MIMEImage(f.read(), name='voorspelling.png')
|
||||
msg.attach(img_attach)
|
||||
print("✅ Grafiek bijgevoegd.")
|
||||
except Exception as e:
|
||||
print(f"❌ Kon grafiek-bestand niet lezen: {e}")
|
||||
return
|
||||
|
||||
try:
|
||||
print(f"Verbinding maken met SMTP server: {EMAIL_CONFIG['smtp_server']}...")
|
||||
server = smtplib.SMTP(EMAIL_CONFIG['smtp_server'], EMAIL_CONFIG['smtp_port'])
|
||||
server.starttls()
|
||||
server.login(EMAIL_CONFIG['sender'], EMAIL_CONFIG['password'])
|
||||
|
||||
print("Inloggen succesvol. E-mail verzenden...")
|
||||
server.sendmail(EMAIL_CONFIG['sender'], EMAIL_CONFIG['receiver'], msg.as_string())
|
||||
server.quit()
|
||||
print("✅ E-mail succesvol verzonden.")
|
||||
except Exception as e:
|
||||
print(f"❌ Fout bij verzenden e-mail: {e}")
|
||||
print(" Controleer je EMAIL_CONFIG (server, poort, e-mail en App-wachtwoord)")
|
||||
|
||||
# --- START VAN HET SCRIPT (Aangepast) ---
|
||||
try:
|
||||
conn = mysql.connector.connect(**DB_CONFIG)
|
||||
werk_df = haal_data_uit_database(conn)
|
||||
@@ -150,25 +195,57 @@ try:
|
||||
if werk_df is not None:
|
||||
te_voorspellen_tijden = werk_df[werk_df['gemiddelde_prijs'].isnull()].index
|
||||
|
||||
print(f"\n🧠 Start iteratieve voorspelling voor {len(te_voorspellen_tijden)} uur...")
|
||||
voorspellingen = []
|
||||
|
||||
for timestamp in te_voorspellen_tijden:
|
||||
features_nu = maak_features_voor_uur(werk_df, timestamp)
|
||||
voorspelde_prijs = model.predict(features_nu)[0]
|
||||
werk_df.loc[timestamp, 'gemiddelde_prijs'] = voorspelde_prijs
|
||||
voorspellingen.append(voorspelde_prijs)
|
||||
if len(te_voorspellen_tijden) == 0:
|
||||
print("\nDatabase is al up-to-date. Geen voorspelling nodig.")
|
||||
else:
|
||||
print(f"\n🧠 Start iteratieve voorspelling voor {len(te_voorspellen_tijden)} uur...")
|
||||
voorspellingen = []
|
||||
|
||||
print("\n" + "="*70)
|
||||
pd.set_option('display.max_rows', None) # Zorg dat we alles printen
|
||||
print(f"--- VOORSPELDE PRIJZEN (komende {len(te_voorspellen_tijden)} uur) ---")
|
||||
|
||||
resultaat_df = pd.DataFrame({
|
||||
'Voorspelde_Prijs': voorspellingen
|
||||
}, index=te_voorspellen_tijden)
|
||||
|
||||
print(resultaat_df)
|
||||
print("="*70)
|
||||
for timestamp in te_voorspellen_tijden:
|
||||
features_nu = maak_features_voor_uur(werk_df, timestamp)
|
||||
voorspelde_prijs = model.predict(features_nu)[0]
|
||||
werk_df.loc[timestamp, 'gemiddelde_prijs'] = voorspelde_prijs
|
||||
voorspellingen.append(voorspelde_prijs)
|
||||
|
||||
print("\n" + "="*70)
|
||||
pd.set_option('display.max_rows', None)
|
||||
print(f"--- VOORSPELDE PRIJZEN (komende {len(te_voorspellen_tijden)} uur) ---")
|
||||
|
||||
resultaat_df = pd.DataFrame({
|
||||
'Voorspelde_Prijs': voorspellingen
|
||||
}, index=te_voorspellen_tijden)
|
||||
|
||||
print(resultaat_df)
|
||||
print("="*70)
|
||||
|
||||
# --- NIEUW: Grafiek maken en e-mailen ---
|
||||
print("\n📊 Grafiek genereren...")
|
||||
try:
|
||||
fig, ax = plt.subplots(figsize=(15, 8))
|
||||
resultaat_df.plot(
|
||||
ax=ax,
|
||||
title=f'Energieprijs Voorspelling ({len(resultaat_df)} uur vooruit)',
|
||||
legend=False,
|
||||
grid=True,
|
||||
style='.-'
|
||||
)
|
||||
ax.set_ylabel('Voorspelde Prijs')
|
||||
ax.set_xlabel('Datum en Tijd')
|
||||
|
||||
laagste_prijs = resultaat_df['Voorspelde_Prijs'].min()
|
||||
hoogste_prijs = resultaat_df['Voorspelde_Prijs'].max()
|
||||
ax.axhline(laagste_prijs, color='green', linestyle='--', linewidth=0.8)
|
||||
ax.axhline(hoogste_prijs, color='red', linestyle='--', linewidth=0.8)
|
||||
|
||||
plt.savefig(GRAFIEK_BESTAND)
|
||||
plt.close(fig) # Geheugen vrijgeven
|
||||
print(f"✅ Grafiek opgeslagen als: {GRAFIEK_BESTAND}")
|
||||
|
||||
send_email_with_graph(GRAFIEK_BESTAND, resultaat_df)
|
||||
|
||||
except Exception as e:
|
||||
print(f"❌ Fout bij genereren van grafiek: {e}")
|
||||
# --- EINDE NIEUWE BLOK ---
|
||||
|
||||
except Error as e:
|
||||
print(f"❌ Fout met MySQL verbinding: {e}")
|
||||
|
||||
Reference in New Issue
Block a user